JP7596020B2 - データ生成装置、データ生成方法、及び、プログラム - Google Patents

Description

本開示は、データ生成装置、データ生成方法、及び、プログラムに関する。

近年、非接触で対象物を測定することで、対象物を測定した測定データを取得する装置が知られている。例えば、特許文献１には、対象者に赤外線を照射し、赤外線が照射された対象者をカメラで撮影することで、非接触で対象者の脳波を測定した測定データを取得する装置が開示されている。このような測定データは、例えば、対象物の状態等を判定するために用いられる。

国際公開第２０２０／２０３９１４号

ところで、測定データには、当該装置の振動、外光等の外的要因によるノイズが含まれることがある。ノイズが測定データに含まれていると、正確に対象物の状態を判定することが困難となることがある。そこで、測定データからノイズを除去する技術の検討が行われているが、含まれるノイズによっては除去が困難な場合がある。

そのため、測定データにノイズが含まれていても、対象物の状態を正確に判定することが望まれることがある。しかしながら、特許文献１には、測定データにノイズが含まれている状態で、対象物の状態を判定することについては開示されていない。

そこで、本開示は、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができるデータ生成装置、データ生成方法、及び、プログラムを提供する。

本開示の一態様に係るデータ生成装置は、対象物の状態を判定するための判定データを生成するデータ生成装置であって、前記対象物が測定された測定データを第１センサから取得する第１取得部と、前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得する第２取得部と、前記第１の要因データに基づいて、前記測定データの測定精度を算出する精度算出部と、前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力するデータ出力部とを備える。

本開示の一態様に係るデータ生成方法は、対象物の状態を判定するための判定データを生成するデータ生成方法であって、前記対象物が測定された測定データを第１センサから取得し、前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得し、前記第１の要因データに基づいて、前記測定データの測定精度を算出し、前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力する。

本開示の一態様に係るプログラムは、上記のデータ生成方法をコンピュータに実行させるためのプログラムである。

本開示の一態様によれば、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができるデータ生成装置等を実現することができる。

図１は、実施の形態１に係るデータ生成システムの構成を示す図である。 図２は、実施の形態１に係る情報処理装置の機能構成を示すブロック図である。 図３は、実施の形態１に係るデータ生成システムの動作を示すフローチャートである。 図４は、実施の形態１に係る判定用データ及びノイズレベルを示す図である。 図５は、実施の形態１に係る外的要因データとノイズレベルとの第１の変換テーブルを示す図である。 図６は、図３に示す時間相関による遅延を補正する動作を示すフローチャートである。 図７は、実施の形態１に係るΔＴと相関係数との関係を示す図である。 図８は、実施の形態１に係るノイズレベルと精度との第２の変換テーブルを示す図である。 図９は、実施の形態１に係る精度情報付きデータを示す図である。 図１０は、図３に示す判定処理の動作を示すフローチャートである。 図１１は、実施の形態１に係る第１判定部用データを示す図である。 図１２は、実施の形態１に係る第２判定部用データを示す図である。 図１３は、実施の形態２に係る情報処理装置の機能構成を示すブロック図である。 図１４は、実施の形態２に係るデータ生成システムの動作を示すフローチャートである。 図１５は、実施の形態２に係る第１の外的要因データとノイズレベルとの第３の変換テーブルを示す図である。 図１６は、実施の形態２に係る第２の外的要因データとノイズレベルとの第４の変換テーブルを示す図である。 図１７は、図１４に示す時間相関による遅延を補正する動作を示すフローチャートである。 図１８は、実施の形態２に係るノイズレベルと精度との第５の変換テーブルを示す図である。 図１９は、実施の形態３に係るデータ生成システムの構成を示す図である。 図２０は、実施の形態３に係る情報処理装置及びサーバ装置の機能構成を示すブロック図である。 図２１は、実施の形態３に係るデータ生成システムの動作を示すフローチャートである。 図２２は、図２１に示す個人認証の動作を示すフローチャートである。 図２３は、実施の形態３に係るサーバ装置の動作を示すフローチャートである。 図２４は、図２１に示す外的要因のノイズレベルを算出する動作を示すフローチャートである。 図２５は、図２１に示す精度算出の動作を示すフローチャートである。 図２６は、図２１に示す判定処理の動作を示すフローチャートである。 図２７は、実施の形態４に係る情報処理装置及びサーバ装置の機能構成を示すブロック図である。 図２８は、実施の形態４に係る情報処理装置の動作を示すフローチャートである。 図２９は、実施の形態４に係るサーバ装置の動作を示すフローチャートである。 図３０は、実施の形態５に係るデータ生成システムの構成を示す図である。 図３１は、実施の形態５に係るデータ生成システムの動作を示すフローチャートである。

本開示の一態様に係るデータ生成装置は、対象物の状態を判定するための判定データを生成するデータ生成装置であって、前記対象物が測定された測定データを第１センサから取得する第１取得部と、前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得する第２取得部と、前記第１の要因データに基づいて、前記測定データの測定精度を算出する精度算出部と、前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力するデータ出力部とを備える。

これにより、判定データに、測定データのノイズとなり得る第１のノイズ要因が測定された第１の要因データに基づく測定精度が付加される。例えば、測定データがその測定精度に応じた対象物の判定に用いられることで、当該判定を正確に行うことができる。よって、データ生成装置は、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができる。

また、例えば、前記測定データ及び前記第１の要因データは、第１の期間にわたり測定された時系列データであり、前記測定データと前記第１の要因データとの間の時間遅延を補正する遅延補正部をさらに備え、前記データ出力部は、前記時間遅延が補正された、前記測定データと前記精度情報とが対応づけられた前記判定データを出力してもよい。

これにより、測定データと第１の要因データとの間の時間的な対応付けを正確に行うことができる。例えば、ノイズが経時的に変化する場合でも、測定データと測定精度との時間的な対応付けを正確に行うことができるので、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができる。よって、データ生成装置は、測定データにノイズが含まれていても、対象物の状態をより正確に判定し得る判定データを生成することができる。

また、例えば、前記測定データのノイズとなりうる第２のノイズ要因が測定された第２の要因データを、前記第１センサ及び前記第２センサと異なる第３センサから取得する第３取得部をさらに備え、前記算出部は、さらに前記第２の要因データに基づいて、前記測定精度を算出してもよい。

これにより、２種類の外的要因に基づいて、測定精度を算出することができるので、測定精度をより精度よく算出することができる。例えば、測定データのノイズとなり得るノイズ要因が複数ある場合に、測定精度の算出精度が低下することを抑制することができる。

また、例えば、前記第２の要因データは、少なくとも一部が前記第１の期間と重なる第２の期間にわたり測定された時系列データであり、前記遅延補正部は、さらに、前記測定データと前記第２の要因データとの間の時間遅延を補正してもよい。

これにより、測定データと第２の要因データとの間の時間的な対応付けを正確に行うことができる。例えば、ノイズが経時的に変化する場合でも、測定データと測定精度との時間的な対応付けを正確に行うことができるので、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができる。よって、データ生成装置は、測定データにノイズが含まれていても、対象物の状態をさらに正確に判定し得る判定データを生成することができる。

また、例えば、前記第１の要因データと、前記第１の要因データが前記測定データに与えるノイズレベルとが対応づけられた第１のテーブルに基づいて、前記第２取得部で取得された前記第１の要因データから前記ノイズレベルを算出するノイズレベル算出部をさらに備え、前記精度算出部は、前記ノイズレベルと前記測定精度とが対応づけられた第２のテーブルを用いて、前記ノイズレベル算出部により算出された前記ノイズレベルから前記第１取得部が取得した前記測定データの前記測定精度を算出してもよい。

これにより、第１のテーブル及び第２のテーブルを用いた変換により、測定精度を容易に算出することができる。

また、例えば、前記第１のテーブル及び前記第２のテーブルの少なくとも１つを更新する第１更新部をさらに備えてもよい。

これにより、第１のテーブル及び第２のテーブルの少なくとも１つが更新されるので、ノイズから測定精度をより正確に算出することができる。

また、例えば、前記データ出力部から出力された前記判定データに基づいて、前記対象物の前記状態を判定する判定部をさらに備えてもよい。

これにより、データ生成装置は、対象物の状態までの処理を一貫して行うことができる。

また、例えば、前記対象物は、人物であり、前記人物の認証結果を取得する認証結果取得部をさらに備えてもよい。

これにより、認証結果に応じた処理により判定データが生成されることで、対象物の状態をより正確に判定し得る判定データを生成することができる。

また、例えば、前記認証結果に基づいて決定された、前記判定部の判定方法及び前記判定に用いる閾値の少なくとも一方を更新する第２更新部をさらに備えてもよい。

これにより、判定部の判定に用いる判定方法及び判定に用いる閾値の少なくとも一方が認証結果に応じて更新されるので、人物に応じた判定を行うことができる。

また、例えば、前記判定部は、前記対象物の第１の状態を判定する第１判定部と、前記第１の状態とは異なる第２の状態を判定する第２判定部とを有し、前記データ出力部は、前記第１判定部及び前記第２判定部に、同一の前記判定データを出力してもよい。

これにより、１つの判定データから対象物の複数の状態を判定することができる。

また、例えば、前記第１判定部は、前記第１の状態の判定に応じた第１の精度に基づいて前記測定データから前記第１の精度を満たす第１の部分を抽出し、抽出された前記第１の部分に基づいて前記第１の状態を判定し、前記第２判定部は、前記第２の状態の判定に応じた第２の精度に基づいて前記測定データから前記第２の精度を満たす第２の部分を抽出し、抽出された前記第２の部分に基づいて前記第２の状態を判定してもよい。

これにより、第１の状態及び第２の状態のそれぞれを、正確に判定することができる。

また、例えば、前記第２の状態は、前記第１の状態よりも前記対象物に対する危険が少ない状態であり、前記第１判定部により前記第１の状態が異常であると判定された場合、緊急呼び出しを行う第１通知部と、前記第２判定部により前記第２の状態が異常であると判定された場合、音声を出力する第２通知部とをさらに備えてもよい。

これにより、判定結果に応じて通知態様を変更することができるので、判定結果に応じた通知を行うことができる。

また、例えば、前記データ生成装置は、車両に搭載され、前記対象物は、前記車両のドライバでもよい。

これにより、測定データの精度を損ねるノイズが多い車両において、対象物の状態を正確に判定し得る判定データを生成することができる。

また、例えば、前記データ生成装置は、車両に搭載され、前記対象物は、前記車両のドライバであり、前記第１判定部は、前記ドライバが前記車両を運転困難であるか否かを判定し、前記第２判定部は、前記ドライバが居眠り又は脇見をしているか否かを判定してもよい。

これにより、ドライバが車両を運転困難であるか否か、及び、ドライバが居眠り又は脇見をしているか否かを、正確に判定することができる。

また、例えば、前記データ生成装置は、車両に搭載され、前記対象物は、前記車両のドライバであり、前記第１判定部は、前記ドライバの眠気を判定し、前記第２判定部は、前記ドライバの感情又は前記ドライバが病気であるか否かを判定してもよい。

これにより、ドライバの眠気、及び、ドライバの感情又はドライバが病気であるか否かを、正確に判定することができる。

また、例えば、前記第１センサは、ミリ波センサ又は赤外線カメラであり、前記第２センサは、前記車両の加速度を測定する加速度センサでもよい。

これにより、ミリ波センサ又は赤外線カメラの外的要因となり得るノイズである加速度を用いて、測定データにノイズが含まれていても、対象物の状態を正確に判定し得る判定データを生成することができる。

また、例えば、前記データ生成装置は、車両に搭載され、前記第１センサは、赤外線カメラであり、前記第２センサは、前記車両の加速度を測定する加速度センサであり、前記第３センサは、前記車両の周囲の輝度を測定する輝度センサでもよい。

これにより、赤外線カメラの外的要因となり得る加速度と輝度とを用いて、測定データにノイズが含まれていても、対象物の状態を正確に判定し得るデータを生成することができる。

また、例えば、前記第１のノイズ要因を特定する情報を前記第１センサから取得してもよい。

これにより、データ生成装置は、第１のノイズ要因を特定する情報を記憶していなくてもよいので、データ生成装置の構成を簡素化することができる。

また、本開示の一態様に係るデータ生成方法は、対象物の状態を判定するための判定データを生成するデータ生成方法であって、前記対象物が測定された測定データを第１センサから取得し、前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得し、前記第１の要因データに基づいて、前記測定データの測定精度を算出し、前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力する。また、本開示の一態様に係るプログラムは、上記のデータ生成方法をコンピュータに実行させるためのプログラムである。

これにより、上記のデータ生成装置と同様の効果を奏する。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ－ＲＯＭ等の非一時的記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。プログラムは、記録媒体に予め記憶されていてもよいし、インターネット等を含む広域通信網を介して記録媒体に供給されてもよい。

以下、実施の形態について、図面を参照しながら具体的に説明する。

なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、構成要素、構成要素の配置位置および接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。例えば、数値は、厳格な意味のみを表す表現ではなく、実質的に同等な範囲、例えば数％程度の差異をも含むことを意味する表現である。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

また、各図は、模式図であり、必ずしも厳密に図示されたものではない。したがって、例えば、各図において縮尺などは必ずしも一致しない。また、各図において、実質的に同一の構成については同一の符号を付しており、重複する説明は省略又は簡略化する。

また、本明細書において、同一などの要素間の関係性を示す用語、及び、矩形などの要素の形状を示す用語、並びに、数値、および、数値範囲は、厳格な意味のみを表す表現ではなく、実質的に同等な範囲、例えば数％程度（例えば、５％程度）の差異をも含むことを意味する表現である。

（実施の形態１）
以下、本実施の形態に係るデータ生成システムについて、図１～図１２を参照しながら説明する。

［１－１．データ生成システムの構成］
まず、本実施の形態に係るデータ生成システムの構成について、図１を参照しながら説明する。図１は、本実施の形態に係るデータ生成システム１の機能構成を示すブロック図である。

以下では、対象測定用センサ１００が車両に搭載され、対象測定用センサ１００の測定対象である対象物が当該車両の運転手（ドライバ）である例について説明する。車載環境には、対象測定用センサ１００により取得されるデータの精度を損ねるノイズの発生要因となるものが多く、高精度のセンサを搭載しても高い精度のデータの取得が困難である。特に、取得したい対象データの周波数帯域がノイズの周波数帯域を含む場合には、データからノイズを分離することが困難である。また、車両は、一般的に走行中に発生するノイズが停止中に発生するノイズより大きい。つまり、車両では、取得したい対象データに、経時的に変化するノイズが含まれることがある。このような対象データでは、対象物の状態を正確に判定することが困難である。そこで、本開示の一態様に係るデータ生成システム１は、このように経時的に変化するノイズが含まれる対象データにおいても、対象物の状態を精度よく判定可能な判定データを生成する。以下において、当該判定データを精度情報付きデータとも記載する。

具体的には、データ生成システム１は、対象測定用センサ１００により対象物を測定した対象データに基づく判定用データと、外的要因測定用センサ２００により対象測定用センサ１００の外的要因を測定した外的要因データに基づく当該判定用データの測定精度と、を対応づけた精度情報付きデータを生成する情報処理システムである。対象データは、対象測定用センサ１００により対象物を測定した測定データの一例である。以降において、判定用データの測定精度、つまり対象データの測定精度を、単に精度とも記載する。

なお、対象測定用センサ１００は、車両に搭載されることに限定されず、対象物は、ドライバであることに限定されない。

図１に示すように、データ生成システム１は、対象測定用センサ１００と、外的要因測定用センサ２００と、情報処理装置３００と、通知装置４００とを備える。

対象測定用センサ１００は、車両に搭載され、対象物の一例であるドライバ（ドライバの状態）を測定する。対象測定用センサ１００は、例えば、車両に予め搭載（例えば、車両の製造時に搭載）されたセンサであってもよい。対象測定用センサ１００は、例えば、ドライバの生体情報の測定を行う。対象測定用センサ１００は、例えば、非接触によりドライバを測定するが、これに限定されず、接触してドライバを測定してもよい。対象測定用センサ１００は、第１センサの一例であり、例えば、ミリ波センサ、カメラ等により実現される。カメラは、例えば、赤外線カメラであってもよい。

また、対象測定用センサ１００は、例えば、ドライバを測定した対象データに含まれ得るノイズ要因を特定するための情報を記憶していてもよい。対象測定用センサ１００は、例えば、情報処理装置３００との通信が確立した際、当該情報を情報処理装置３００に出力してもよい。ノイズ要因を特定するための情報は、対象測定用センサ１００の測定時にノイズとなり得る外的要因を特定するための情報であり、例えば、車両の振動、外光等である。なお、ノイズ要因を特定するための情報は、対象測定用センサ１００の種類、対象測定用センサ１００が搭載される物体等に応じて変化し得る。

外的要因測定用センサ２００は、対象測定用センサ１００の対象データのノイズとなる得る外的要因を測定する。外的要因測定用センサ２００は、対象測定用センサ１００による対象物を測定する際に、測定精度を落とす外的要因を測定するとも言える。外的要因測定用センサ２００は、例えば、車両に予め搭載されたセンサであってもよいし、車両に後付けで取付けられたセンサであってもよい。外的要因測定用センサ２００は、例えば、非接触により外的要因を測定するが、これに限定されず、外的要因となり得る物体に接触して外的要因を測定してもよい。なお、外的要因は、第１のノイズ要因の一例である。

外的要因測定用センサ２００は、第２センサの一例であり、対象測定用センサ１００とは異なるセンサである。外的要因測定用センサ２００は、車両の加速度を測定する加速度センサ、車両の周囲の輝度を測定する輝度センサ等により実現される。輝度センサは、例えば、対象測定用センサ１００の周囲の輝度（例えば、対象測定用センサ１００に入射する外光の輝度）を測定してもよい。なお、外光とは、対象測定用センサ１００が出射する光以外の光である。

外的要因測定用センサ２００は、例えば、対象物に対する測定は行わない。例えば、外的要因データに、対象物を測定したデータは含まれない。外的要因測定用センサ２００が測定する外的要因データは、第１の要因データの一例である。

情報処理装置３００は、対象物の状態を判定するための判定データを生成する。情報処理装置３００は、対象測定用センサ１００から対象データを取得し、外的要因測定用センサ２００から外的要因データを取得し、対象データ及び外的要因データに基づいて、判定データを生成する。情報処理装置３００は、例えば、対象物を測定した対象データに対して、当該対象データにおける外的要因によるノイズの影響を考慮した精度情報を生成し、対象データに精度情報を付随させる処理を行うことで判定データを生成する。情報処理装置３００は、例えば、車両に搭載されるが、車両から遠隔に配置されていてもよい。

情報処理装置３００は、対象測定用センサ１００からノイズ要因を特定するための情報を取得してもよいし、当該情報を記憶していてもよい。情報処理装置３００は、車両に搭載された複数のセンサと通信可能に接続されており、複数のセンサからノイズ要因を特定するための情報に基づいて特定されるセンサを外的要因測定用センサ２００に決定してもよい。

通知装置４００は、情報処理装置３００の情報処理結果等をユーザに通知する。通知装置４００は、画像、音声等により情報処理結果等をユーザに出力（提示）してもよい。通知装置４００は、例えば、表示装置、出音装置等を含んで構成される。なお、ユーザは、ドライバであってもよいし、当該ドライバを監視する（例えば、遠隔監視する）監視者であってもよい。

続いて、情報処理装置３００の詳細構成を、図２を参照しながら説明する。図２は、本実施の形態に係る情報処理装置３００の機能構成を示すブロック図である。

図２に示すように、情報処理装置３００は、精度付き情報生成部３１０と、判定部３７０と、出力部３８０とを有する。

精度付き情報生成部３１０は、対象データ及び外的要因データに基づいて判定データを生成する。精度付き情報生成部３１０は、第１取得部３２０と、解析部３３０と、第２取得部３４０と、精度情報生成部３５０と、精度情報統合部３６０とを有する。精度付き情報生成部３１０は、データ生成装置の一例である。

第１取得部３２０は、対象物が測定された対象データを対象測定用センサ１００から取得する。第１取得部３２０は、例えば、対象測定用センサ１００と通信するための通信インターフェースを含んで構成される。なお、対象データは、第１の期間にわたり対象物を測定した時系列データであり、当該対象物を測定した時刻を示す時間情報が含まれる。時間情報は、例えば、タイムスタンプ等を含む。タイムスタンプは、あるデータを取得したときの時刻の記録である。

解析部３３０は、対象物を測定した対象データを、判定部３７０が判定に使用する形式に変換する処理を行う。解析部３３０は、対象データを、当該対象データに含まれる対象物の特徴を示す特徴量に変換する。解析部３３０は、例えば、対象測定用センサ１００がミリ波センサ等である場合、ミリ波センサ等が測定した対象データを、特徴量の一例である心拍（心拍波形）に変換する。また、特徴量は、ドライバの頭部位置、姿勢、視線、瞬きの間隔、あくび回数、胴部挙動及び操舵時間等でのいずれかであってもよい。

また、解析部３３０は、変換された特徴量から所定の成分を除去するフィルタ（図示しない）を有していてもよい。当該フィルタは、例えば、バンドパスフィルタ等により実現される。

第２取得部３４０は、対象データのノイズとなり得る外的要因が測定された外的要因データを対象測定用センサ１００と異なる外的要因測定用センサ２００から取得する。第２取得部３４０は、例えば、外的要因測定用センサ２００と通信するための通信インターフェースを含んで構成される。なお、外的要因データは、第１の期間にわたり外的要因を測定した時系列データであり、当該外的要因を測定した時刻を示す時間情報が含まれる。

精度情報生成部３５０は、第２取得部３４０が取得した外的要因データに基づいて、第１取得部３２０が取得した対象データの測定精度を算出する。精度情報生成部３５０は、ノイズ情報算出部３５１と、時間遅延補正部３５２と、精度情報算出部３５３とを有する。精度情報生成部３５０は、精度算出部の一例である。

ノイズ情報算出部３５１は、外的要因データに基づいて、対象データに含まれるノイズレベルを算出する。ノイズ情報算出部３５１は、例えば、外的要因データと、当該外的要因データが対象データに与えるノイズレベルとが対応づけられたテーブル（例えば、図５の第１の変換テーブルを参照）に基づいて、第２取得部３４０で取得された外的要因データからノイズレベルを算出する。算出されるノイズレベルは、外的要因が対象データに与える影響を示しており、第１の期間にわたる時系列データである。ノイズ情報算出部３５１は、ノイズレベル算出部の一例である。また、ノイズレベルは、対象データに対するノイズの影響度合いを示すノイズ情報の一例である。また、ノイズレベルの時系列データをノイズレベルデータとも記載する。

時間遅延補正部３５２は、対象データと外的要因データとの間の時間遅延を補正する。対象測定データと外的要因データとは、同一の第１の期間に測定されたデータであっても、各センサのデータ取得周期、データに対するフィルタ処理等によって時間がかかり、２つのデータの間には、時間差（遅延）が生じることがある。時間遅延補正部３５２は、対象データに基づくデータ（例えば、判定用データ）と外的要因データに基づくデータ（例えば、ノイズレベルデータ）とに基づいて、このような時間差を補正する。なお、時間遅延補正部３５２は、必須の構成ではない。また、時間遅延補正部３５２は、遅延補正部の一例である。

精度情報算出部３５３は、第２取得部３４０が取得した外的要因データに基づいて、対象データの測定精度を算出する。精度情報算出部３５３は、ノイズレベルと測定精度とが対応づけられたテーブル（例えば、図８に示す第２の変換テーブルを参照）を用いて、ノイズ情報算出部３５１により算出されたノイズレベルから第１取得部３２０が取得した対象データの測定精度を算出する。算出される測定精度は、第１の期間にわたる時系列データである。測定精度と時間情報とを含む情報を、精度情報とも記載する。ここでの時間情報は、例えば、時間遅延補正部３５２により補正された後のタイムスタンプを含む。

精度情報統合部３６０は、対象データと測定精度を含む精度情報とを対応づけることで判定データを生成し、生成された判定データを出力する。精度情報統合部３６０は、対象データと精度情報とを統合することで、判定データを生成し、生成した判定データを出力する。統合するとは、別々に取得された２つのデータを、当該２つのデータの関係がわかる状態の１つのデータを生成することを意味する。精度情報統合部３６０は、判定データを判定部３７０に出力するデータ出力部として機能する。精度情報統合部３６０は、第１判定部３７１と、第２判定部３７２と、第３判定部３７３とに、同一の判定データを出力する。

判定部３７０は、精度情報統合部３６０から出力された判定データに基づいて、対象物の状態を判定する。判定部３７０は、第１判定部３７１と、第２判定部３７２と、第３判定部３７３とを有する。第１判定部３７１と、第２判定部３７２と、第３判定部３７３とは、判定データに基づいて、対象物に対する互いに異なる状態を判定する。なお、判定部３７０は、対象物に対する少なくとも１つの状態を判定すればよく、第１判定部３７１～第３判定部３７３のうち、少なくとも１つの判定部を有していればよい。

第１判定部３７１は、対象物の第１の状態を判定する。第１判定部３７１は、第１の状態の判定に応じた第１の精度に基づいて対象データから第１の精度を満たす第１の部分を抽出し、抽出された第１の部分に基づいて第１の状態を判定する。

第１判定部３７１は、例えば、第１の状態として、ドライバが車両を運転困難であるか否かを判定してもよい。第１判定部３７１は、例えば、デッドマン検知のための判定を行ってもよい。デッドマン検知は、ドライバの体調の急変、ドライバの運転が困難となる場面等を検知することを含む。デッドマン検知は、心拍数、瞬きの間隔及び操舵時間の少なくとも１つからドライバの意識低下を検出することで行われる。デッドマン検知は、例えば、心拍数の急変を検知することで行われてもよい。デッドマン検知を行うことで、ドライバが車両を運転困難である場合、車両を安全に自動停止させることが可能となる。

第２判定部３７２は、第１の状態とは異なる第２の状態を判定する。第２判定部３７２は、第２の状態の判定に応じた第２の精度に基づいて対象データから第２の精度を満たす第２の部分を抽出し、抽出された第２の部分に基づいて第２の状態を判定する。

第２判定部３７２は、例えば、第２の状態として、ドライバが居眠り又は脇見をしているか否かの一方を判定してもよい。第２判定部３７２は、例えば、ドライバの居眠りの検知のための判定を行ってもよい。ドライバの居眠りは、心拍数、瞬きの間隔、操舵時間、あくび回数、及び、カメラ画像の画像解析（例えば、ドライバの胴部挙動）の少なくとも１つから検出可能である。

また、第２判定部３７２は、例えば、ドライバの疲労を判定してもよい。疲労の判定は、休憩の案内等をドライバに行うために行われる。第２判定部３７２は、心拍から自律神経系の機能の状態を推定し、推定結果から疲労度を算出してもよい。

第３判定部３７３は、第１の状態及び第２の状態とは異なる第３の状態を判定する。第３判定部３７３は、第３の状態の判定に応じた第３の精度に基づいて対象データから第３の精度を満たす第３の部分を抽出し、抽出された第３の部分に基づいて第３の状態を判定する。

第３判定部３７３は、例えば、第３の状態として、ドライバが居眠り又は脇見をしているか否かの他方を判定してもよい。第３判定部３７３は、例えば、ドライバの脇見の検知のための判定を行ってもよい。脇見は、ドライバの視線等から検出可能である。脇見は、例えば、車両が走行しているときのドライバの支線をカメラ等で監視することで検知可能である。脇見を検知することで、ドライバが脇見している場合、音声等によりドライバに脇見をやめさせることが可能となる。また、脇見しても構わない条件（例えば、車両の停止中）が設定されることで、当該条件における誤判断を減らすことができる。

なお、第１判定部３７１～第３判定部３７３が行う判定は上記に限定されない。例えば、第１判定部３７１は、ドライバの眠気を判定し、第２判定部３７２は、ドライバの感情又はドライバが病気であるか否かの一方を判定し、第３判定部３７３は、ドライバの感情又はドライバが病気であるか否かの他方を判定してもよい。ドライバの感情は、運転において危険が迫った場面であるか否かを判定するために用いることができ、例えば、画像におけるドライバの微表情に基づいて検出可能である。また、ドライバが病気であるか否かは、可能性の高い病気を提示するために行われ、画像から脳卒中における顔面麻痺の傾向、糖尿病による眼球の網膜症等を判定可能である。また、ドライバが病気であるか否かは、心電図から高血圧、心筋梗塞等を判定可能である。

出力部３８０は、判定部３７０の判定結果を出力する。出力部３８０は、例えば、通信により判定結果を外部の装置に出力する。出力部３８０は、例えば、通知装置４００と通信可能に接続されており、判定結果を通知装置４００に出力してもよい。

上記のように、判定データに精度情報がついているので、第１判定部３７１、第２判定部３７２及び第３判定部３７３のそれぞれは、判定データから所望の精度の部分を抽出し、抽出された部分を用いて、対象物の状態の判定を行うことができる。なお、第１の精度、第２の精度及び第３の精度は、判定部３７０に予め記憶されていてもよい。

［１－２．データ生成システムの動作］
続いて、上記のように構成されるデータ生成システム１における動作について、図３～図１２を参照しながら説明する。図３は、本実施の形態に係るデータ生成システム１の動作を示すフローチャートである。図３に示すステップＳ１１～Ｓ１８は、情報処理装置３００の精度付き情報生成部３１０における動作（データ生成方法）を示しており、ステップＳ１９及びＳ２０は、情報処理装置３００の判定部３７０における動作を示している。データ生成方法は、対象物の状態を判定するための判定データを生成する方法を含む。なお、対象測定用センサ１００は、ミリ波センサであり、外的要因測定用センサ２００は、加速度であるとする。

図３に示すように、第１取得部３２０は、対象測定用センサ１００から対象物が測定された対象データを取得する（Ｓ１１）。第１取得部３２０は、取得した対象データを、解析部３３０に出力する。

次に、解析部３３０は、対象データの特徴量変換を行う（Ｓ１２）。解析部３３０は、対象データを判定部３７０が使用する形式に変換する。解析部３３０は、例えば、ミリ波センサ等から取得した対象データを特徴量の一例である心拍に変換する。

図４は、本実施の形態に係る判定用データ及びノイズレベルを示す図である。

図４の（ａ）では、対象測定用センサ１００により測定された対象データの特徴量を変換した心拍データを判定用データの一例として示す。図４に示すように、判定用データには、時刻ごとに大きさが異なるノイズが含まれる。なお、図４の（ａ）の横軸は時刻であり、縦軸は判定用データの強度である。時刻は、例えば、タイムスタンプにより特定される時刻であり、対象データの取得時刻である。

図３を再び参照して、解析部３３０は、判定用データに対してフィルタ処理を行う（Ｓ１３）。解析部３３０は、例えば、バンドパスフィルタを含んで構成され、当該バンドパスフィルタによるフィルタ処理を行う。解析部３３０は、フィルタ処理された判定用データを、精度情報生成部３５０（具体的には、時間遅延補正部３５２）及び精度情報統合部３６０に出力する。

次に、第２取得部３４０は、外的要因測定用センサ２００から外的要因が測定された外的要因データを取得する（Ｓ１４）。第２取得部３４０は、取得した外的要因データを、精度情報生成部３５０に出力する。

次に、ノイズ情報算出部３５１は、外的要因データに基づいて、外的要因のノイズレベルを算出する（Ｓ１５）。ノイズ情報算出部３５１は、例えば、図５に示す第１の変換テーブルを用いて、外的要因データをノイズレベルに変換する。

図５は、本実施の形態に係る外的要因データとノイズレベルとの第１の変換テーブルを示す図である。

図５に示すように、第１の変換テーブルは、外的要因データとノイズレベルとの対応関係を示すテーブルであり、横軸が外的要因データの強さを示しており、縦軸がノイズレベルを示している。例えば、外的要因が振動であり外的要因データが車両の加速度である場合、加速度が高いほど横軸の座標は右側に位置する。例えば、図５では、外的要因データにおける強さがａ１である場合、ノイズレベルはｎ１となる例を示している。なお、ノイズレベルは、例えば、数値により表されるが、これに限定されない。

第１の変換テーブルは、外的要因の種類（例えば、加速度、外光等）に応じて作成される。第１の変換テーブルは、例えば、事前に実験等により取得され、情報処理装置３００が有する記憶部（図示しない）に予め記憶されている。情報処理装置３００が複数の変換テーブルを記憶している場合、ノイズ情報算出部３５１は、外的要因の種類、外的要因測定用センサ２００を特定する情報等に基づいて、複数の変換テーブルから所望の第１の変換テーブルを選択してもよい。なお、記憶部は、例えば、半導体メモリ等により実現されるが、これに限定されない。

ノイズ情報算出部３５１は、第１の変換テーブルを用いて、外的要因データの時系列データをノイズレベルの時系列データ（ノイズレベルデータ）に変換する。

図４の（ｂ）は、ノイズ情報算出部３５１により変換された外的要因のノイズレベルの時系列データを示す。図４の（ｂ）に示すように、ノイズレベルは、時刻ごとに変化し得る。例えば、車両の加速度が変化することで、ノイズレベルも変化し得る。

ノイズ情報算出部３５１は、変換された外的要因のノイズレベルを時間遅延補正部３５２に出力する。

図３を再び参照して、時間遅延補正部３５２は、対象データとノイズレベルとの間の時間相関による遅延を補正する（Ｓ１６）。ステップＳ１６の動作について、図４及び図６を参照しながら説明する。図６は、図３に示す時間相関による遅延を補正する動作（Ｓ１６）を示すフローチャートである。

図４の（ａ）及び（ｂ）に示すように、同一の期間（例えば、第１の期間）に測定された、対象データに基づく判定用データと、外的要因データに基づく外的要因のノイズレベルとには、遅延時間Ｔが生じ得る。また、対象物を測定した対象データと、対象物を測定するにあたりノイズとなり得る外的要因データとの間には、強い関係性があると考えられる。つまり、判定用データとノイズレベルデータとの間には、強い関係性があると考えられる。そこで、本実施の形態では、判定用データとノイズレベルデータとの間の関係性の強さを表す相関を計算することで遅延（遅延時間Ｔ）を補正する。例えば、以下の図６に示す処理により、遅延を補正する。

図６に示すように、時間遅延補正部３５２は、時間差ΔＴ＝－Ｔ１に設定する（Ｓ２１）。図４の（ａ）に示すように、時間遅延補正部３５２は、時刻Ｔ０を基準とし、当該時刻Ｔ０を中心に時間幅Ｗの枠（破線枠）を判定用データ上に配置する。時刻Ｔ０から枠の端までの時間幅は、Ｗ／２である。時間幅Ｗは、例えば、所定のビット幅である。時間幅Ｗの枠は、例えば、矩形状であるがこれに限定されない。また、時間遅延補正部３５２は、時刻Ｔ０を基準とし、当該時刻Ｔ０を中心に時間幅Ｗの枠（図示しない）を外的要因のノイズレベル（ノイズレベルデータ）上に配置する。ノイズレベルデータ上の枠は、時刻軸方向に移動可能である。ΔＴは、時刻Ｔ０と、ノイズレベルデータ上の枠の中心時刻との時間差である。

次に、時間遅延補正部３５２は、外的要因のノイズレベルデータの時系列をΔＴずらす（Ｓ２２）。時間遅延補正部３５２は、ノイズレベルデータ上に配置された枠を、時刻軸のマイナス方向にＴ１ずらす（図４の（ｂ）に示す破線枠を参照）。

次に、時間遅延補正部３５２は、判定用データと、外的要因のノイズレベルとの間の相関係数を算出する（Ｓ２３）。時間遅延補正部３５２は、例えば、判定用データの枠内（破線枠内）のデータと、ノイズレベルの時間差ΔＴ＝－Ｔ１としたときの枠内（破線枠内）のデータとを畳み込み演算することで、２つのデータ間の相関係数を算出する。

時間遅延補正部３５２は、ステップＳ２３において、判定用データと外的要因のノイズレベルとを一定期間（時間幅Ｗ）切り出して、切り出した２つのデータを基に相関の強さを示す相関係数を１つ算出する。

次に、時間遅延補正部３５２は、ΔＴ＝ΔＴ＋Δｔとし（Ｓ２４）、ΔＴ＞Ｔ１であるか否かを判定する（Ｓ２５）。時間遅延補正部３５２は、ステップＳ２４において、図４の（ｂ）に示す一点鎖線枠の位置（枠の中心位置が、Ｔ０＋Ｔ１の位置）まで移動したか否かを判定する。

時間遅延補正部３５２は、ΔＴ＞Ｔ１ではない場合（Ｓ２５でＮｏ）、ステップＳ２２に戻り処理を継続する。時間遅延補正部３５２は、ステップＳ２４で算出したΔＴを用いて、判定用データの時間幅Ｗ（切り出し区間）は変えずノイズレベルデータの時間幅Ｗ（切り出し区間）をΔＴずらして、ステップＳ２２以降の処理を行う。

このように、時間遅延補正部３５２は、ノイズレベルデータ上の枠をΔｔずつ移動させることで、ΔＴと相関係数とのグラフ（後述する図７を参照）を生成する。

また、時間遅延補正部３５２は、ΔＴ＞Ｔ１である場合（Ｓ２５でＹｅｓ）、ΔＴと相関係数とのグラフに基づいて、相関係数が最大となる時間差を取得する（Ｓ２６）。図７は、本実施の形態に係るΔＴと相関係数との関係を示す図である。

図７に示すように、時間遅延補正部３５２は、相関係数が最大となる時間差である時間差Ｔ２を取得する。対象データとノイズレベルデータとには強い関係性があるので、ΔＴが実際の遅延と離れれば離れるほど相関係数は小さくなると考えられる。よって、最も相関係数が大きい時間差ΔＴ（図７の例では、時間差Ｔ２）が対象データとノイズレベルデータとの間の遅延時間Ｔとなる。

次に、時間遅延補正部３５２は、ステップＳ２６で取得された時間差Ｔ２に基づいて、外的要因のノイズレベルデータの時系列を補正する（Ｓ２７）。時間遅延補正部３５２は、ノイズレベルデータのタイムスタンプをΔＴ（ここでは、時間差Ｔ２）ずらす。時間遅延補正部３５２は、時間差Ｔ２に基づいて、ノイズレベルデータに対応する時間情報を補正するとも言える。これによって、対象データとノイズレベルデータとのタイムスタンプを一致させることができる。

時間遅延補正部３５２は、ノイズレベル及び補正したタイムスタンプ（時間情報）を精度情報算出部３５３に出力する。

上記により、後述する精度情報付きデータにおける、判定用データ及び精度情報の時間における対応をより精度よく行うことができる。つまり、精度付き情報生成部３１０は、より精度よく対象物の判定を行い得る精度情報付きデータを生成することができる。

なお、ステップＳ１６の処理は、行われなくてもよい。例えば、対象データとノイズレベルとの時間差が所定時間以内であることが事前にわかっている場合、ステップＳ１６の処理は行われなくてもよい。

図３を再び参照して、精度情報算出部３５３は、遅延が補正されたノイズレベルデータに基づいて、対象データの精度を算出する（Ｓ１７）。精度情報算出部３５３は、例えば、図８に示す第２の変換テーブルを用いて、ノイズレベルを精度に変換する。

図８は、本実施の形態に係るノイズレベルと精度との第２の変換テーブルを示す図である。

図８に示すように、第２の変換テーブルは、ノイズレベルと当該ノイズレベルに対する判定用データの精度との対応関係を示すテーブルであり、横軸がノイズレベルを示しており、縦軸が判定用データの精度の高さを示している。例えば、図８では、ノイズレベルがｎ１である場合、精度はｐ１となる例を示している。言い換えると、外的要因データがａ１のときに測定された対象データの精度は、ｐ１である。なお、精度は、例えば、数値により表されるが、これに限定されない。

第２の変換テーブルは、例えば、事前に実験等により取得され、情報処理装置３００が有する記憶部（図示しない）に予め記憶されている。

精度情報算出部３５３は、第２の変換テーブルを用いて、ノイズレベルの時系列データを精度の時系列データに変換する。そして、精度情報算出部３５３は、変換された精度と補正された時間情報とを対応付けて、精度情報統合部３６０に出力する。

図３を再び参照して、次に、精度情報統合部３６０は、解析部３３０から取得した対象データと、精度情報算出部３５３から取得した精度情報（精度及び時間情報）とに基づいて、精度情報付きデータを生成する（Ｓ１８）。精度情報付きデータは、対象データと、精度情報とが対応付けられたデータである。精度情報統合部３６０は、対象データに含まれるタイムスタンプと補正された時間情報とに基づいて、対象データと精度とを時間的に対応づけることで、精度情報付きデータを生成する。

図９は、本実施の形態に係る精度情報付きデータを示す図である。図９では、精度情報付きデータの一例として、精度情報付き心拍データを例示している。

図９に示すように、精度情報付きデータには、対象データと精度とが対応づけられている。図９の例では、時刻Ｔ３及びＴ４の間の対象データの精度は２であり、時刻Ｔ４及びＴ５の間の対象データの精度は１０であり、時刻Ｔ５及びＴ６の間の対象データの精度は７である。なお、精度は、数値が高いほど高精度であることを示す。

これにより、時刻Ｔ３及びＴ４の間の対象データの精度が低く、時刻Ｔ４及びＴ５の間の対象データの精度が高いことがわかる。このように、本実施の形態に係る精度情報統合部３６０は、対象データに当該対象データの精度を示す情報を付加する点に特徴を有する。

精度情報統合部３６０は、生成した精度情報付きデータを判定部３７０に出力する。具体的には、精度情報統合部３６０は、第１判定部３７１、第２判定部３７２及び第３判定部３７３のそれぞれに同一の精度情報付きデータを出力する。精度情報統合部３６０は、時間遅延が補正された、対象データと精度情報とが対応づけられた精度情報付きデータを出力するとも言える。

図３を再び参照して、判定部３７０は、精度情報統合部３６０から取得した精度情報付きデータに基づいて、対象物の状態を判定する判定処理を行う（Ｓ１９）。ステップＳ１９において、第１判定部３７１、第２判定部３７２及び第３判定部３７３のそれぞれは、精度情報付きデータから判定内容に応じた精度を満たす部分を抽出し、抽出された当該部分に基づいて、対象物の状態の判定を行う。

図１０は、図３に示す判定処理の動作を示すフローチャートである。

図１０に示すように、第１判定部３７１は、精度情報付きデータにおいて、精度情報付きデータの精度＞Ｐ１となるデータがあるか否かを判定する（Ｓ３１）。Ｐ１は、第１判定部３７１が行う対象物の第１の状態の判定（第１の判定）に応じた精度の閾値であり、第１の精度の一例である。閾値Ｐ１は、第１の判定を正確に行うために対象データが有するべき必要精度である。

第１判定部３７１は、精度情報付きデータの精度＞閾値Ｐ１となるデータがある場合（Ｓ３１でＹｅｓ）、対象データ（測定データ）から精度が閾値Ｐ１より高いデータを抽出する（Ｓ３２）。例えば、第１判定部３７１は、精度情報付きデータの精度＞閾値Ｐ１となるデータがある場合、精度情報付きデータから精度が閾値Ｐ１より高い判定用データの部分を抽出する。抽出されたデータを第１判定部用データとも記載する。また、第１判定部３７１は、精度情報付きデータの精度＞閾値Ｐ１となるデータがない場合（Ｓ３１でＮｏ）、第１の判定を行わず、ステップＳ３６に進む。

図１１は、本実施の形態に係る第１判定部用データを示す図である。

図１１に示すように、閾値Ｐ１が８以上である場合（必要精度が８以上である場合）、精度が８以上である時刻Ｔ４と時刻Ｔ５との間の判定用データのみを抽出し、抽出した判定用データを第１判定用データとする。

図１０を再び参照して、第１判定部３７１は、抽出された第１判定用データに基づいて、第１の判定を行う（Ｓ３３）。このように、第１判定部３７１は、精度情報付きデータから所望の精度を満たす判定用データの部分を抽出し、抽出された当該部分のみを用いて第１の判定を行うので、時刻Ｔ３～Ｔ６の判定用データの全てを用いる場合に比べて、第１の判定を正確に行うことができる。

次に、第１判定部３７１は、第１の判定結果の通知が必要であるか否かを判定する（Ｓ３４）。第１判定部３７１は、例えば、第１の判定結果と通知の必要の有無とが対応付けられたテーブルに基づいて、当該判定を行う。第１判定部３７１は、第１の判定結果の通知が必要である場合（Ｓ３４でＹｅｓ）、通知装置４００に第１の判定結果を通知させるための処理を行う（Ｓ３５）。第１判定部３７１は、Ｓ３４でＹｅｓの場合、例えば、第１の判定結果を出力部３８０に出力する。また、第１判定部３７１は、第１の判定結果の通知が必要ではない場合（Ｓ３４でＮｏ）、ステップＳ３６に進む。

次に、第２判定部３７２は、精度情報付きデータにおいて、精度情報付きデータの精度＞Ｐ２となるデータがあるか否かを判定する（Ｓ３６）。Ｐ２は、第２判定部３７２が行う対象物の第２の状態の判定（第２の判定）に応じた精度の閾値であり、第２の精度の一例である。閾値Ｐ２は、第２の判定を正確に行うために対象データが有するべき必要精度である。

第２判定部３７２は、精度情報付きデータの精度＞閾値Ｐ２となるデータがある場合（Ｓ３６でＹｅｓ）、対象データから精度が閾値Ｐ２より高いデータを抽出する（Ｓ３７）。第２判定部３７２は、精度情報付きデータの精度＞閾値Ｐ２となるデータがある場合、精度情報付きデータから精度が閾値Ｐ２より高い判定用データの部分を抽出する。抽出されたデータを第２判定部用データとも記載する。また、第２判定部３７２は、精度情報付きデータの精度＞閾値Ｐ２となるデータがない場合（Ｓ３６でＮｏ）、第２の判定を行わず、ステップＳ４１に進む。

図１２は、本実施の形態に係る第２判定部用データを示す図である。

図１２に示すように、閾値Ｐ２が１以上である場合（必要精度が１以上である場合）、精度が１以上である時刻Ｔ３と時刻Ｔ６との間の判定用データを抽出し、抽出した判定用データを第２判定用データとする。つまり、第２判定部用データは、精度情報付きデータに含まれる判定用データの全てを含む。

図１０を再び参照して、第２判定部３７２は、抽出された第２判定用データに基づいて、第２の判定を行う（Ｓ３８）。このように、第２判定部３７２は、判定に用いるデータの閾値Ｐ２が低い場合、時刻Ｔ３～Ｔ６の判定用データの全てを用いて第２の判定を行う。時刻Ｔ３～Ｔ６の判定用データの全てを用いることで、判定に用いるデータ数が減ることを抑制することができるので、第２判定部３７２は、データ数が減ることにより判定が正確に行えなくなることを抑制することができる。

次に、第２判定部３７２は、第２の判定結果の通知が必要であるか否かを判定する（Ｓ３９）。第２判定部３７２は、例えば、第２の判定結果と通知の必要の有無とが対応付けられたテーブルに基づいて、当該判定を行う。第２判定部３７２は、第２の判定結果の通知が必要である場合（Ｓ３９でＹｅｓ）、通知装置４００に第２の判定結果を通知させるための処理を行う（Ｓ４０）。第２判定部３７２は、Ｓ３９でＹｅｓの場合、例えば、第２の判定結果を出力部３８０に出力する。また、第２判定部３７２は、第２の判定結果の通知が必要ではない場合（Ｓ３９でＮｏ）、ステップＳ４１に進む。

次に、第３判定部３７３は、精度情報付きデータにおいて、精度情報付きデータの精度＞Ｐ３となるデータがあるか否かを判定する（Ｓ４１）。Ｐ３は、第３判定部３７３が行う対象物の第３の状態の判定（第３の判定）に応じた精度の閾値であり、第３の精度の一例である。閾値Ｐ３は、第３の判定を正確に行うために対象データが有するべき必要精度である。

第３判定部３７３は、精度情報付きデータの精度＞閾値Ｐ３となるデータがある場合（Ｓ４１でＹｅｓ）、対象データから精度が閾値Ｐ３より高いデータを抽出する（Ｓ４２）。第３判定部３７３は、精度情報付きデータの精度＞閾値Ｐ３となるデータがある場合、精度情報付きデータから精度が閾値Ｐ３より高い判定用データの部分を抽出する。抽出されたデータを第３判定部用データとも記載する。また、第３判定部３７３は、精度情報付きデータの精度＞閾値Ｐ３となるデータがない場合（Ｓ４１でＮｏ）、第３の判定を行わず、判定処理を終了する。

第３判定部３７３は、抽出された第３判定用データに基づいて、第３の判定を行う（Ｓ４３）。このように、第３判定部３７３は、精度情報付きデータから所望の精度を満たす判定用データの部分を抽出し、抽出された当該部分のみを用いて第３の判定を行うので、時刻Ｔ３～Ｔ６対象データの全てのデータを用いる場合に比べて、第３の判定を正確に行うことができる。

次に、第３判定部３７３は、第３の判定結果の通知が必要であるか否かを判定する（Ｓ４４）。第３判定部３７３は、例えば、第３の判定結果と通知の必要の有無とが対応付けられたテーブルに基づいて、当該判定を行う。第３判定部３７３は、第３の判定結果の通知が必要である場合（Ｓ４４でＹｅｓ）、通知装置４００に第３の判定結果を通知させるための処理を行う（Ｓ４５）。第３判定部３７３は、Ｓ４４でＹｅｓの場合、例えば、第３の判定結果を出力部３８０に出力する。また、第３判定部３７３は、第３の判定結果の通知が必要ではない場合（Ｓ４４でＮｏ）、判定処理を終了する。

なお、精度の閾値Ｐ１、Ｐ２及びＰ３は、互いに異なる値であってもよい。また、閾値Ｐ１、Ｐ２及びＰ３は、予め取得され、情報処理装置３００が有する記憶部（図示しない）に記憶されている。

なお、第１判定部３７１、第２判定部３７２及び第３判定部３７３における各種処理は、例えば、互いに並列して行われてもよい。

図３を再び参照して、出力部３８０は、判定部３７０から取得した判定結果を出力する（Ｓ２０）。出力部３８０は、例えば、通知装置４００に判定結果を出力する。

通知装置４００は、取得した判定結果をユーザに通知する。これにより、所望の判定結果のみをユーザに通知することができる。

（実施の形態２）
以下では、本実施の形態に係るデータ生成システムについて、図１３～図１８を参照しながら説明する。なお、以下では、実施の形態１との相違点を中心に説明し、実施の形態１と同一又は類似の内容については説明を省略又は簡略化する。

［２－１．データ生成システムの構成］
まず、本実施の形態に係るデータ生成システムの構成について、図１３を参照しながら説明する。図１３は、本実施の形態に係る情報処理装置３００ａの機能構成を示すブロック図である。本実施の形態に係る情報処理装置３００ａは、第３取得部３４１を有する点において、実施の形態１に係る情報処理装置３００と相違する。なお、本実施の形態では、第３取得部３４１が取得する第２の外的要因データとの識別のため、第２取得部３４０が取得する外的要因データを第１の外的要因データと記載するが、第２取得部３４０が取得するデータは実施の形態１と同様である。

例えば、対象測定用センサ１００がカメラ等である場合、車両の振動及び外光の変化のそれぞれが対象データの外的要因となり得る。本実施の形態では、複数の外的要因を用いて、精度情報付きデータを生成することについて説明する。

図１３に示すように、情報処理装置３００ａは、精度付き情報生成部３１０ａと、判定部３７０と、出力部３８０とを有する。

第３取得部３４１は、対象データのノイズとなり得る外的要因が測定された第２の外的要因データを対象測定用センサ１００及び外的要因測定用センサ２００と異なる他の外的要因測定用センサ（図示しない）から取得する。第３取得部３４１は、例えば、他の外的要因測定用センサと通信するための通信インターフェースを含んで構成される。なお、第２の外的要因データは、少なくとも一部が第１の期間と重なる第２の期間にわたり外的要因を測定した時系列データであり、当該外的要因を測定した時刻を示す時間情報が含まれる。例えば、第１の期間と第２の期間とは、同一の期間であってもよい。また、第２の外的要因データは、第１の外的要因データとは異なる外的要因を測定したデータである。

なお、本実施の形態では、データ生成システム１は、さらに上記の他の外的要因測定用センサを備える。他の外的要因測定用センサは、第３センサの一例である。第３センサは、例えば、輝度センサであってもよい。

なお、精度情報算出部３５３は、第１の外的要因データに加え、第２の外的要因データに基づいて、測定精度を算出する。精度情報算出部３５３は、第１の外的要因データと第２の外的要因データとに基づいて、１つの精度を算出する。

［２－２．データ生成システムの動作］
続いて、上記のように構成されるデータ生成システム１における動作について、図１４～図１８を参照しながら説明する。図１４は、本実施の形態に係るデータ生成システム１の動作を示すフローチャートである。図１５は、本実施の形態に係る第１の外的要因データとノイズレベルとの第３の変換テーブルを示す図である。図１６は、本実施の形態に係る第２の外的要因データとノイズレベルとの第４の変換テーブルを示す図である。

図１４に示すフローチャートは、図３に示すフローチャートに加えて、ステップＳ５１及びＳ５２を含み、かつ、ステップＳ１６及びＳ１７に替えてステップＳ１６ａ及びＳ１７ａを含む。また、図１５に示す第３の変換テーブルは、実施の形態１に係る第１の変換テーブルと同様のテーブルである。図１４に示すステップＳ１５では、図１５に示す第３の変換テーブルを用いて第１の外的要因のノイズレベルの算出が行われるが、図３に示すステップＳ１５と同様の処理であり、説明を省略する。

図１４に示すように、第３取得部３４１は、他の外的要因測定用センサから外的要因が測定された第２の外的要因データを取得する（Ｓ５１）。第３取得部３４１は、取得した第２の外的要因データを、精度情報生成部３５０に出力する。

なお、対象データ、第１の外的要因データ及びだい２の外的要因データが取得される順序は、図１４に示される順序に限定されない。

次に、ノイズ情報算出部３５１は、第２の外的要因データに基づいて、第２の外的要因のノイズレベルを算出する（Ｓ５２）。ノイズ情報算出部３５１は、例えば、図１６に示す第４の変換テーブルを用いて、第２の外的要因データをノイズレベルに変換する。

図１６に示すように、第４の変換テーブルは、第２の外的要因データとノイズレベルとの対応関係を示すテーブルであり、横軸が第２の外的要因データの強さを示しており、縦軸がノイズレベルを示している。例えば、第２の外的要因が光（外光）であり第２の外的要因データが車両に入射する光の輝度である場合、輝度が高いほど横軸の座標は右側に位置する。例えば、図１６では、第２の外的要因データにおける強さがｂ１である場合、ノイズレベルはｎ２となる例を示している。なお、ノイズレベルは、例えば、数値により表されるが、これに限定されない。

第４の変換テーブルは、第２の外的要因の種類（例えば、加速度、外光）に応じて作成される。第４の変換テーブルは、例えば、事前に実験等により取得され、情報処理装置３００ａが有する記憶部（図示しない）に予め記憶されている。なお、図１５及び図１６に示すように、２つの変換テーブルは、互いに異なる関数により定義される。

ノイズ情報算出部３５１は、第４の変換テーブルを用いて、第２の外的要因データの時系列データをノイズレベルの時系列データに変換する。そして、ノイズ情報算出部３５１は、変換した第２の外的要因のノイズレベルを時間遅延補正部３５２に出力する。

図１４を再び参照して、時間遅延補正部３５２は、対象データとノイズレベルとの間の時間相関による遅延を補正する（Ｓ１６ａ）。ステップＳ１６ａの動作について、図１７を参照しながら説明する。図１７は、図１４に示す時間相関による遅延を補正する動作（Ｓ１６ａ）を示すフローチャートである。図１７に示すステップＳ２１～Ｓ２７の動作は、図６に示すステップＳ２１～Ｓ２７と同様であり、説明を省略する。

図１７に示すように、本実施の形態に係る時間遅延補正部３５２は、実施の形態１に加えて、ステップＳ６１～Ｓ６７の動作を行う。ステップＳ６１～Ｓ６７は、第２の外的要因のノイズレベルデータに対する時間遅延を補正するための動作である。ステップＳ６１～Ｓ６７は、対象データと第２の外的要因のノイズレベルとの間の時間相関による遅延を補正する動作であるとも言える。ステップＳ６１～Ｓ６７の動作は、ステップＳ２１～Ｓ２７と同様であり、説明を省略する。

このように、本実施の形態に係る時間遅延補正部３５２は、対象データと第１の外的要因データとの間の時間遅延に加え、対象データと第２の外的要因データとの間の時間遅延を補正する。

なお、ステップＳ６１では、ΔＴ＝－Ｔ１である、つまりステップＳ２１とΔＴが同じである例について示しているが、これに限定されず、ステップＳ２１のΔＴとステップＳ６１のΔＴとは、互いに異なる値であってもよい。

図１４を再び参照して、次に、精度情報算出部３５３は、遅延が補正された第１の外的要因データのノイズレベルデータ、及び、遅延が補正された第２の外的要因データのノイズレベルデータに基づいて、対象データの精度を算出する（Ｓ１７ａ）。精度情報算出部３５３は、例えば、図１８に示す第５の変換テーブルを用いて、２つのノイズレベルを１つの精度に変換する。

図１８は、本実施の形態に係るノイズレベルと精度との第５の変換テーブルを示す図である。

図１８に示すように、第５の変換テーブルは、第１の外的要因のノイズレベルを示す第１のノイズレベル、及び、第２の外的要因のノイズレベルを示す第２のノイズレベルと、当該２つのノイズレベルに対する判定用データの精度との対応関係を示すテーブルである。図１８では、テーブルが３次元直交座標系で示され、それぞれの軸が第１のノイズレベル、第２のノイズレベル及び判定用データの精度の高さを示している。これにより、第１のノイズレベル及び第２のノイズレベルから、１つの精度を取得することができる。

第５の変換テーブルは、例えば、事前に実験等により取得され、情報処理装置３００ａが有する記憶部（図示しない）に予め記憶されている。

精度情報算出部３５３は、第５の変換テーブルを用いて、第１のノイズレベル及び第２のノイズレベルの時系列データを精度の時系列データに変換する。そして、精度情報算出部３５３は、変換された精度と補正された時間情報とを対応付けて、精度情報統合部３６０に出力する。

（実施の形態３）
以下では、本実施の形態に係るデータ生成システムについて、図１９～図２６を参照しながら説明する。なお、以下では、実施の形態１との相違点を中心に説明し、実施の形態１と同一又は類似の内容については説明を省略又は簡略化する。

［３－１．データ生成システムの構成］
まず、本実施の形態に係るデータ生成システムの構成について、図１９を参照しながら説明する。図１９は、本実施の形態に係るデータ生成システム１ｂの構成を示す図である。本実施の形態に係るデータ生成システム１ｂは、サーバ装置５００、端末装置６００、入力装置７００及び表示装置８００を備える点、及び、情報処理装置３００に替えて情報処理装置３００ｂを備える点において、実施の形態１に係るデータ生成システム１と相違する。

図１９に示すように、データ生成システム１ｂは、対象測定用センサ１００と、外的要因測定用センサ２００と、情報処理装置３００ｂと、通知装置４００と、サーバ装置５００と、端末装置６００と、入力装置７００と、表示装置８００とを備える。データ生成システム１ｂは、対象物の認証結果等に基づいて、情報処理装置３００ｂにおいて用いられる判定方法及び閾値（判定基準）の少なくとも１つが更新される。また、データ生成システム１ｂは、さらに、情報処理装置３００ｂにおいて用いられる変換データを更新する。なお、以下では、対象物がドライバであり、対象測定用センサ１００及び外的要因測定用センサ２００が車両に搭載される例について説明する。

情報処理装置３００ｂは、入力装置７００により取得された入力情報におけるドライバの認証結果に基づいて、サーバ装置５００から当該ドライバに応じた判定方法及び閾値の少なくとも１つを取得する。そして、情報処理装置３００ｂは、取得した判定方法及び閾値の少なくとも１つを用いて、各種処理を行う。また、情報処理装置３００ｂは、サーバ装置５００から取得した変換データを用いて、各種変換を行う。

サーバ装置５００は、情報処理装置３００ｂと通信可能に接続され、ドライバの認証を行った認証結果、並びに、更新のための変換データ、判定方法及び閾値の少なくとも１つを情報処理装置３００ｂに出力するための処理を行う。

なお、サーバ装置５００と情報処理装置３００ｂとは、別体の装置であるが、例えば、一体の装置として実現されてもよい。

端末装置６００は、サーバ装置５００と通信可能に接続され、サーバ装置５００からの情報を提示する。端末装置６００は、ドライバが所有する装置であってもよいし、認証結果等が送信される予め設定された装置であってもよい。端末装置６００は、例えば、スマートフォン等の携帯端末であってもよいし、ＰＣ（パーソナルコンピュータ）等の据え置き型の装置であってもよい。

入力装置７００は、ドライバからの入力を受け付ける。入力装置７００は、例えば、ボタン、タッチパネル、マウス等により実現されるが、例えば、音声、ジェスチャ等によりドライバの入力を受け付ける装置（例えば、マイクロフォン、カメラ等）により実現されてもよい。

また、入力装置７００は、ドライバ固有の生体情報を取得可能に構成されてもよい。入力装置７００は、例えば、指紋、目の虹彩等を読み取る読取機を含んで構成されてもよい。

表示装置８００は、情報処理装置３００ｂと通信可能に接続され、サーバ装置５００からの情報をドライバに表示する。表示装置８００は、例えば、サーバ装置５００の認証結果を表示してもよい。表示装置８００は、例えば、対象測定用センサ１００及び外的要因測定用センサ２００が搭載される物体（例えば、車両）に設けられる。表示装置８００は、例えば、液晶ディスプレイ装置等により実現される。

なお、対象測定用センサ１００及び外的要因測定用センサ２００が搭載される物体が車両である場合、入力装置７００と表示装置８００とは、例えば、カーナビゲーションシステムにより実現されてもよい。

ここで、情報処理装置３００ｂ及びサーバ装置５００の詳細について、図２０を参照しながら説明する。図２０は、本実施の形態に係る情報処理装置３００ｂ及びサーバ装置５００の機能構成を示すブロック図である。

図２０に示すように、情報処理装置３００ｂは、実施の形態１に係る情報処理装置３００に加えて第４取得部３４２及び入力情報処理部３９０を備え、かつ、精度情報生成部３５０に替えて精度情報生成部３５０ｂを有する。情報処理装置３００ｂは、精度付き情報生成部３１０ｂと、判定部３７０と、出力部３８０とを有する。

第４取得部３４２は、入力装置７００からドライバの入力を示す入力情報を取得する。入力情報は、ドライバから取得した当該ドライバの認証を行うための情報を含む。入力情報は、例えば、ＩＤ及びパスワード（認証情報）、顔等の画像、生体情報等を含むが、これに限定されない。第４取得部３４２は、例えば、入力装置７００と通信するための通信インターフェースを含んで構成される。生体情報は、例えば、指紋、虹彩、音声情報等である。

入力情報処理部３９０は、入力される情報に対して所定の処理を行う。本実施の形態では、入力情報処理部３９０は、第４取得部３４２が取得した入力情報をサーバ装置５００に出力する処理を行う。この場合、入力情報処理部３９０は、サーバ装置５００と通信するための通信インターフェースを含んで構成される。なお、入力情報処理部３９０は、例えば、表示装置８００とも通信可能に接続されていてもよい。

精度情報生成部３５０ｂは、実施の形態１に係る精度情報生成部３５０に加えて、係数更新部３５４を有する。

係数更新部３５４は、サーバ装置５００からの情報に基づいて、ノイズ情報算出部３５１及び精度情報算出部３５３の動作に用いられる各種情報を更新する。係数更新部３５４は、第１の変換テーブル及び第２の変換テーブルを更新する。係数更新部３５４は、例えば、第１の変換テーブル及び第２の変換テーブルを管理するサーバ装置にアクセスし、第１の変換テーブル及び第２の変換テーブルが更新されている場合、更新された当該第１の変換テーブル及び第２の変換テーブルを取得し、取得した第１の変換テーブル及び第２の変換テーブルを記憶部（図示しない）に記憶してもよい。係数更新部３５４は、第１更新部の一例である。

サーバ装置５００は、個人認証部５１０と、判定方法更新部５２０とを有する。

個人認証部５１０は、入力装置７００を介して取得されたドライバの入力情報に基づいて、ドライバの認証を行う。個人認証部５１０は、例えば、入力装置７００を介して取得された、ＩＤ及びパスワード、生体情報等の入力情報を、予め登録されているＩＤ及びパスワード、生体情報等と照合することで、ドライバを特定してもよい。個人認証部５１０は、例えば、指紋認証、虹彩認証又は顔認証、音声認証等によりドライバを特定してもよい。なお、個人認証部５１０がドライバを認証する方法は、上記に限定されず既知のいかなる技術が用いられてもよい。

判定方法更新部５２０は、個人認証部５１０の認証結果に基づいて、判定方法及び閾値の少なくとも１つを、当該ドライバに応じた判定方法及び閾値の少なくとも１つに更新するための処理を行う。

なお、少なくとも入力装置７００及び表示装置８００は、例えば、対象測定用センサ１００及び外的要因測定用センサ２００が搭載される物体（例えば、車両）に搭載される。

なお、入力情報処理部３９０は、個人認証部５１０が行う処理を行ってよい。つまり、入力情報処理部３９０は、入力情報に基づいて認証結果を出力する処理を行ってもよい。この場合、サーバ装置５００は、個人認証部５１０を有していなくてもよい。

［３－２．データ生成システムの動作］
続いて、上記のように構成されるデータ生成システム１ｂにおける動作について、図２１～図２６を参照しながら説明する。図２１は、本実施の形態に係るデータ生成システム１ｂの動作を示すフローチャートである。図２１は、情報処理装置３００ｂの動作を示す。

図２１に示すフローチャートは、図３に示すフローチャートに加えて、ステップＳ７１及びＳ７２を含み、かつ、ステップＳ１５、Ｓ１７及びＳ１９に替えてステップＳ１５ｂ、Ｓ１７ｂ及びＳ１９ｂを含む。

図２１に示すように、入力情報処理部３９０は、第４取得部３４２がドライバから取得した当該ドライバの認証を行うための入力情報に基づいて、個人認証のための処理を行う（Ｓ７１）。入力情報処理部３９０は、例えば、入力情報をサーバ装置５００へ出力する処理を行う。図２２は、図２１に示す個人認証の動作（Ｓ７１）を示すフローチャートである。図２２では、入力情報がＩＤ及びパスワードである場合を示している。

図２２に示すように、入力情報処理部３９０は、個人を未認証であるか否かを判定する（Ｓ８１）。入力情報処理部３９０は、例えば、第４取得部３４２を介してドライバの氏名等の情報を取得し、取得したドライバの認証処理を行ったか否かを判定する。例えば、入力情報処理部３９０は、車両がイグニッションオンされるごとに、ステップＳ８１の判定を行ってもよいし、所定の時間間隔ごとにステップＳ８１の判定を行ってもよい。

入力情報処理部３９０は、個人を未認証である場合（Ｓ８１でＹｅｓ）、ＩＤ及びパスワードの入力を要求する（Ｓ８２）。入力情報処理部３９０は、例えば、表示装置８００にＩＤ及びパスワードを入力するための表示を行わせる。

次に、入力情報処理部３９０は、第４取得部３４２を介して入力装置７００からＩＤ及びパスワードの入力を取得すると（Ｓ８３）、ログイン処理を行う（Ｓ８４）。入力情報処理部３９０は、例えば、ログイン処理として、ＩＤ及びパスワードをサーバ装置５００へ出力し、認証結果をサーバ装置５００から取得する。なお、サーバ装置５００の個人認証部５１０により、入力情報処理部３９０からのＩＤ及びパスワードと、登録されているＩＤ及びパスワードと一致するか否かの判定が行われる。

次に、入力情報処理部３９０は、ログインが成功したか否かを判定する（Ｓ８５）。入力情報処理部３９０は、例えば、ＩＤ及びパスワードが一致したか否かを示す判定結果に基づくログインが成功したか否かを示す情報をサーバ装置５００から取得し、取得した情報に基づいてログインが成功したか否かを判定してもよい。例えば、入力情報処理部３９０は、サーバ装置５００での認証結果を取得してもよい。入力情報処理部３９０は、認証結果取得部として機能する。

入力情報処理部３９０は、ログインが成功した場合（Ｓ８５でＹｅｓ）、個人認証の動作を終了し、ログインが失敗した場合（Ｓ８５でＮｏ）、エラー処理を行う（Ｓ８６）。入力情報処理部３９０は、例えば、エラー処理として、表示装置８００にログインが失敗（個人認証が失敗）したことを示す情報を表示させてもよい。そして、入力情報処理部３９０は、ステップＳ８２に戻り、ＩＤ及びパスワードの入力を再度要求してもよい。

また、入力情報処理部３９０は、個人を認証済みである場合（Ｓ８１でＮｏ）、変更入力があるか否かを判定する（Ｓ８７）。入力情報処理部３９０は、例えば、ドライバからＩＤ及びパスワードの少なくとも１つを変更することを示す入力を受け付けたか否かに基づいて、ステップＳ８７の判定を行ってもよい。

入力情報処理部３９０は、変更入力がある場合（Ｓ８７でＹｅｓ）、ステップＳ８２に進み、変更されたＩＤ及びパスワードの入力を要求し、変更入力がない場合（Ｓ８７でＮｏ）、個人認証の動作を終了する。

ここで、ログインが成功した後のサーバ装置５００の動作について、図２３を参照しながら説明する。図２３は、本実施の形態に係るサーバ装置５００の動作を示すフローチャートである。

図２３に示すように、判定方法更新部５２０は、車両起動時であるか否かを判定する（Ｓ９１）。判定方法更新部５２０は、例えば、車両の走行における走行履歴から、現在が車両起動時であるか否かを判定してもよい。車両起動時ではないとは、例えば、車両起動時から所定時間以上を経過していることを含む。

判定方法更新部５２０は、車両起動時である場合（Ｓ９１でＹｅｓ）、クラウドデータの更新の有無を確認する（Ｓ９２）。判定方法更新部５２０は、ドライバの情報を管理する他のサーバ装置において、当該ドライバの情報の更新があったか否かを確認する。ドライバの情報とは、例えば、ドライバの病歴、判定したい病気、睡眠時間等であってもよいし、その他のドライバに関する情報であってもよい。

次に、判定方法更新部５２０は、クラウドデータの更新がある場合、更新されたクラウドデータを取得し（Ｓ９３）、取得したクラウドデータに基づいて、個人（ドライバ）に応じた判定方法及び閾値を決定する（Ｓ９４）。

例えば、第１判定部３７１がドライバの居眠りを判定し、第２判定部３７２がドライバの感情を判定し、第３判定部３７３がドライバの病気を判定する場合、判定方法更新部５２０は、居眠り、感情及び病気の少なくとも１つの判定方法及び閾値の少なくとも１つを更新してもよい。

病気の判定における判定方法及び閾値の少なくとも１つの更新を例に説明すると、判定方法更新部５２０は、例えば、クラウドデータとして、ドライバの基礎疾患、持病、直近の診断結果等のデータを取得する。また、判定方法更新部５２０は、例えば、クラウドデータとして、ドライバが登録した、ドライバによる車両の走行中に検出したい病気に関する情報を取得してもよい。

判定方法更新部５２０は、ステップＳ９４において、直近の診断結果に含まれる病気、又は、検出したい病気に応じて、当該病気を効果的に検出することができる判定方法及び閾値を決定してもよい。また、判定方法更新部５２０は、ステップＳ９４において、ドライバの基礎疾患、持病が何度も検出されないような判定方法及び閾値を決定してもよい。

次に、判定方法更新部５２０は、更新された判定方法及び閾値（更新データ）を情報処理装置３００ｂに出力する（Ｓ９５）。

また、判定方法更新部５２０は、車両起動時ではない場合（Ｓ９１でＮｏ）、さらに個人認証直後であるか否かを判定する（Ｓ９６）。判定方法更新部５２０は、個人認証直後である場合（Ｓ９６でＹｅｓ）、ステップＳ９２に進み、個人認証直後ではない場合（Ｓ９６でＮｏ）、処理を終了する。

なお、判定方法更新部５２０は、病気の判定に関するクラウドデータに応じて、居眠り及び感情の少なくとも１つの判定方法及び閾値を更新してもよい。

図２１を再び参照して、判定部３７０は、サーバ装置５００から更新データを取得する（Ｓ７２）。判定部３７０は、更新データを記憶部に記憶してもよい。

また、ノイズ情報算出部３５１は、外的要因データに基づいて、外的要因のノイズレベルを算出する（Ｓ１５ｂ）。図２４は、図２１に示す外的要因のノイズレベルを算出する動作を示すフローチャートである。

図２４に示すように、係数更新部３５４は、第１の変換テーブルに更新があるか否かを判定する（Ｓ１０１）。係数更新部３５４は、例えば、第１の変換テーブルを管理するサーバ装置にアクセスし、更新があるか否かを判定してもよい。係数更新部３５４は、第１の変換テーブルの更新があると、更新された第１の変換テーブルを取得し、取得した第１の変換テーブルに基づいて、係数テーブル（例えば、第１の変換テーブル）を更新する（Ｓ１０２）。係数更新部３５４は、例えば、古い第１の変換テーブルを更新された第１の変換テーブルに置き換える。

次に、ノイズ情報算出部３５１は、更新された係数テーブル（更新された第１の変換テーブル）に基づいて、ノイズレベルを算出する（Ｓ１０３）。ステップＳ１０３は、図３に示すステップＳ１５と同様の処理であり、説明を省略する。

また、精度情報算出部３５３は、遅延が補正されたノイズレベルデータに基づいて、対象データの精度を算出する（Ｓ１７ｂ）。図２５は、図２１に示す精度算出の動作（１７ｂ）を示すフローチャートである。

図２５に示すように、係数更新部３５４は、第２の変換テーブルに更新があるか否かを判定する（Ｓ１１１）。係数更新部３５４は、例えば、第２の変換テーブルを管理するサ
ーバ装置にアクセスし、更新があるか否かを判定してもよい。係数更新部３５４は、第２の変換テーブルの更新があると、更新された第２の変換テーブルを取得し、取得した第２の変換テーブルに基づいて、係数テーブル（例えば、第２の変換テーブル）を更新する（Ｓ１１２）。係数更新部３５４は、例えば、古い第２の変換テーブルを更新された第２の変換テーブルに置き換える。

次に、精度情報算出部３５３は、更新された係数テーブル（更新された第２の変換テーブル）に基づいて、ノイズレベルを精度へ変換する（Ｓ１１３）。ステップＳ１１３は、図３に示すステップＳ１７と同様の処理であり、説明を省略する。

図２１を再び参照して、また、判定部３７０は、遅延が補正されたノイズレベルデータに基づいて、対象データの状態を判定する判定処理を行う（Ｓ１９ｂ）。図２６は、図２１に示す判定処理の動作（Ｓ１９ｂ）を示すフローチャートである。

図２６に示すフローチャートは、実施の形態１の図６に示すフローチャートに加えて、ステップＳ１２１及びＳ１２２を含む。

まず、判定部３７０は、判定方法及び閾値に更新があるか否かを判定する（Ｓ１２１）。判定部３７０は、前回判定処理を行ってから、更新された判定方法及び閾値を判定方法更新部５２０から取得したか否かに基づいて、ステップＳ１２１の判定を行ってもよい。

判定部３７０は、判定方法及び閾値（例えば、閾値Ｐ１～Ｐ３）に更新がある場合（Ｓ１２１でＹｅｓ）、判定方法及び閾値Ｐ１～Ｐ３を更新する（Ｓ１２２）。判定部３７０は、ステップＳ３１～Ｓ４５の判定に用いる判定方法及び閾値Ｐ１～Ｐ３を、判定方法更新部５２０から取得した判定方法及び閾値Ｐ１～Ｐ３に置き換える。そして、判定部３７０は、ステップＳ３１以降の処理を行う。

また、判定部３７０は、判定方法及び閾値Ｐ１～Ｐ３に更新がない場合（Ｓ１２１でＮｏ）、ステップＳ３１に進む。この場合、前回の判定処理のときに用いられた判定方法及び閾値Ｐ１～Ｐ３を用いて、ステップＳ３１以降の処理が行われる。

なお、判定部３７０は、認証結果に基づいて決定された判定方法及び閾値の少なくとも一方を更新すればよい。判定部３７０は、第２更新部として機能する。

（実施の形態４）
以下では、本実施の形態に係るデータ生成システムについて、図２７～図２９を参照しながら説明する。なお、以下では、実施の形態３との相違点を中心に説明し、実施の形態３と同一又は類似の内容については説明を省略又は簡略化する。

［４－１．データ生成システムの構成］
まず、本実施の形態に係るデータ生成システムの構成について、図２７を参照しながら説明する。図２７は、本実施の形態に係る情報処理装置３００ｃ及びサーバ装置５００ｃの機能構成を示すブロック図である。本実施の形態に係るデータ生成システムは、サーバ装置５００が判定部３７０を備える点において、実施の形態３に係るデータ生成システム１ｂと相違する。

図２７に示すように、本実施の形態に係るデータ生成システムは、情報処理装置３００ｃと、サーバ装置５００ｃとを備える。なお、対象測定用センサ１００と、外的要因測定用センサ２００と、通知装置４００と、端末装置６００と、入力装置７００と、表示装置８００とは、実施の形態３と同様であり、図示を省略する。

図２７に示すように、情報処理装置３００ｃは、実施の形態３に係る情報処理装置３００ｂから判定部３７０等を除いた構成を有する。また、サーバ装置５００ｃは、実施の形態３に係るサーバ装置５００から判定部３７０をさらに有する。なお、サーバ装置５００ｃの判定部３７０の構成及び機能は、実施の形態３に係る判定部３７０と同様であり、説明を省略する。

上記のように、情報処理装置３００ｃは、少なくとも精度情報付きデータを生成するための構成を有していればよい。

［４－２．データ生成システムの動作］
続いて、上記のように構成されるデータ生成システムにおける動作について、図２８及び図２９を参照しながら説明する。図２８は、本実施の形態に係る情報処理装置３００ｃの動作を示す。なお、図２８に示すステップＳ７１～Ｓ１８は、図２１に示すステップＳ７１～Ｓ１８と同様であり、説明を省略する。図２９は、本実施の形態に係るサーバ装置５００ｃの動作を示すフローチャートである。図２９は、サーバ装置５００ｃの判定部３７０の動作を示す。

図２８に示すように、精度情報統合部３６０は、ステップＳ１８において精度情報付きデータを生成すると、生成された精度情報付きデータをサーバ装置５００ｃに出力する（Ｓ１３１）。

図２９に示すように、サーバ装置５００ｃの判定部３７０は、情報処理装置３００ｃから精度情報付きデータを取得する（Ｓ１４１）。

次に、判定部３７０は、取得された精度情報付きデータに基づいて、判定処理を行う（Ｓ１４２）。判定処理は、例えば、図２６に示す処理と同様であってもよい。

次に、判定部３７０は、ステップＳ１４２で判定した判定結果を出力する（Ｓ１４３）。判定部３７０は、例えば、情報処理装置３００ｃに判定結果を出力する。情報処理装置３００ｃの入力情報処理部３９０は、サーバ装置５００ｃの判定部３７０からの判定結果（入力情報）を取得すると、例えば、表示装置８００に判定結果を表示させる。

なお、判定部３７０は、表示装置８００に判定結果を直接出力してもよい。また、判定部３７０は、判定結果を端末装置６００に出力してもよい。判定部３７０は、例えば、さらに、判定結果に基づいて、ドライバに提案する健康改善案を判定し、判定された健康改善提案を端末装置６００に出力してもよい。

（実施の形態５）
以下では、本実施の形態に係るデータ生成システムについて、図３０及び図３１を参照しながら説明する。なお、以下では、実施の形態３との相違点を中心に説明し、実施の形態３と同一又は類似の内容については説明を省略又は簡略化する。

［５－１．データ生成システムの構成］
まず、本実施の形態に係るデータ生成システムの構成について、図３０を参照しながら説明する。図３０は、本実施の形態に係るデータ生成システム１ｄの構成を示す図である。本実施の形態に係るデータ生成システム１ｄは、通知装置４００の一例として、音声装置４１０と緊急呼び出し装置４２０とを備える点において、実施の形態３に係るデータ生成システム１ｂと相違する。

図３０に示すように、データ生成システム１ｄは、対象測定用センサ１００と、外的要因測定用センサ２００と、情報処理装置３００ｂと、音声装置４１０と、緊急呼び出し装置４２０と、サーバ装置５００と、端末装置６００と、入力装置７００と、表示装置８００とを有する。データ生成システム１ｄは、情報処理装置３００ｂにおける対象物の状態の判定結果に応じて、当該判定結果の通知方法を異ならせる点に特徴を有する。

音声装置４１０は、情報処理装置３００ｂと接続され、情報処理装置３００ｂの判定部３７０の判定結果に応じた音声を出力する。音声装置４１０は、例えば、車両に搭載され、判定結果に応じた音声をドライバに出力する。音声装置４１０は、例えば、スピーカ等により実現される。なお、データ生成システム１ｄは、音声装置４１０に替えて又は音声装置４１０とともに、ドライバに振動により刺激を与える振動装置、ドライバに香りにより刺激を与える香り発生装置、及び、ドライバに光により刺激を与える発光装置等を有していてもよい。音声装置４１０は、第２通知部の一例である。

緊急呼び出し装置４２０は、情報処理装置３００ｂと接続され、情報処理装置３００ｂの判定部３７０の判定結果に応じた緊急呼び出しを行う。緊急呼び出し装置４２０は、いわゆるヘルプネット用の装置であり、例えば、専門のオペレータに対して緊急通報する。緊急呼び出し装置４２０は、例えば、ドライバが運転困難である場合、ドライバが運転困難であることを示す情報をオペレータに自動で通報する。緊急呼び出し装置４２０は、車両の位置等の情報も合わせてオペレータに自動で通報してもよい。緊急呼び出し装置４２０は、第１通知部の一例である。

なお、音声装置４１０及び緊急呼び出し装置４２０は、情報処理装置３００ｂが有していてもよい。また、データ生成システム１ｄは、２種類の通知装置を備える例について説明したが、３種類以上の通知装置を備えていてもよい。データ生成システム１ｄは、判定部３７０が行う判定の種類ごとに、互いに異なる通知装置を備えていてもよい。

［５－２．データ生成システムの動作］
続いて、上記のように構成されるデータ生成システム１ｄにおける動作について、図３１を参照しながら説明する。図３１は、本実施の形態に係るデータ生成システム１ｄの動作を示すフォローチャートである。図３１では、第１判定部３７１は、第１の判定としてドライバのデッドマン判定を行い、第２判定部３７２は、第２の判定としてドライバの疲労判定を行い、第３判定部３７３は、第３の判定としてドライバの病気の判定を行う場合の動作を示している。また、デッドマンであるか否かは、ドライバの第１の状態の一例であり、疲労の状態は第２の状態の一例であり、病気であるか否かは第３の状態の一例である。例えば、第２の状態及び第３の状態は、第１の状態よりもドライバに対する危険が少ない状態である。

なお、図２６と同一又は類似の動作については、図２６と同一の符号を付し、説明を省略又は簡略化する。

図３１に示すように、第１判定部３７１は、精度情報付きデータの精度＞閾値Ｐ１となるデータがある場合（Ｓ３１でＹｅｓ）、対象データ（測定データ）から精度が閾値Ｐ１より高いデータを抽出し（Ｓ３２）、ドライバに対するデッドマン判定を行う（Ｓ３３ｄ）。第１判定部３７１は、例えば、抽出された判定用データの部分に基づいて、ドライバの心拍数を算出し、算出された心拍数に基づいてステップＳ３３ｄの判定を行ってもよい。

次に、第１判定部３７１は、ドライバ（運転手）に異常がある場合（Ｓ３４ｄでＹｅｓ）、緊急呼び出し処理を行う（Ｓ３５ｄ）。緊急呼び出し処理は、例えば、音声装置４１０及び緊急呼び出し装置４２０のうち少なくとも緊急呼び出し装置４２０を動作させて、通知を行う処理である。第１判定部３７１は、例えば、ドライバに異常があることを示す情報を緊急呼び出し装置４２０に出力する。

緊急呼び出し装置４２０は、第１判定部３７１により第１の状態が異常であると判定された場合、緊急呼び出しを行う。緊急呼び出し装置４２０は、例えば、第１の状態が異常であることをオペレータに自動で通報する。

また、第１判定部３７１は、ドライバに異常がない場合（Ｓ３４ｄでＮｏ）、ステップＳ３６に進む。なお、ステップＳ３４ｄでＹｅｓの場合、ステップＳ３６以降の処理は行われなくてもよい。

次に、第２判定部３７２は、精度情報付きデータの精度＞閾値Ｐ２となるデータがある場合（Ｓ３６でＹｅｓ）、対象データ（測定データ）から精度が閾値Ｐ２より高いデータを抽出し（Ｓ３７）、ドライバに対する疲労判定を行う（Ｓ３８ｄ）。第２判定部３７２は、例えば、抽出された判定用データの部分に基づいて、ドライバの心拍数を算出し、算出された心拍数に基づいてステップＳ３８ｄの判定を行ってもよい。

次に、第２判定部３７２は、ドライバ（運転手）に疲労がある場合（Ｓ３９ｄでＹｅｓ）、音声処理を行う（Ｓ４０ｄ）。音声処理は、例えば、音声装置４１０及び緊急呼び出し装置４２０のうち少なくとも音声装置４１０を動作させて、ドライバの疲労を低減するための処理である。第２判定部３７２は、例えば、ドライバに疲労があることを示す情報を音声装置４１０に出力する。

音声装置４１０は、例えば、第２判定部３７２により第２の状態が異常であると判定された場合、音声を出力する。音声装置４１０は、例えば、休憩することを促す音声を出音してもよい。また、データ生成システム１ｄが振動装置を備える場合、ステップＳ４０ｄにおいて、疲労が低減するような振動をドライバに与えてもよい。

また、第２判定部３７２は、ドライバに疲労がない場合（Ｓ３９ｄでＮｏ）、ステップＳ４１に進む。

次に、第３判定部３７３は、精度情報付きデータの精度＞閾値Ｐ３となるデータがある場合（Ｓ４１でＹｅｓ）、対象データから精度が閾値Ｐ３より高いデータを抽出し（Ｓ４２）、ドライバに対する病気判定を行う（Ｓ４３ｄ）。第２判定部３７２は、例えば、抽出された判定用データの部分に基づいて、ドライバが所定の病気（例えば、高血圧、心筋梗塞等の緊急性の高い病気）であるか否かの判定を行ってもよい。

次に、第３判定部３７３は、ドライバ（運転手）に緊急性の高い病気がある場合（Ｓ４４ｄでＹｅｓ）、音声処理を行う（Ｓ４５ｄ）。音声処理は、例えば、音声装置４１０及び緊急呼び出し装置４２０のうち少なくとも音声装置４１０を動作させて、ドライバに緊急性の高い病気であることを通知するための処理である。第３判定部３７３は、例えば、ドライバに緊急性の高い病気であることを示す情報を音声装置４１０に出力する。

音声装置４１０は、例えば、第３判定部３７３により第３の状態が異常であると判定された場合、音声を出力する。音声装置４１０は、例えば、車両を停止させる又は病院に行くことを促す音声を出音してもよい。

また、第３判定部３７３は、ドライバ（運転手）に緊急性の高い病気がない場合（Ｓ４４ｄでＮｏ）、判定処理を終了する。

上記のように、判定部３７０の対象物の状態の判定内容に応じて、判定結果の通知方法が適宜選択されてもよい。

また、図３１に示すように、情報処理装置３００ｂは、1つの精度情報付きデータ（例えば、図２１に示すＳ１８で生成される精度情報付きデータ）を生成するだけで、互いに異なる複数種類のドライバの状態に関する判定を行うことができる。情報処理装置３００ｂは、例えば、1つの精度情報付きデータから、判定に必要とされるデータの精度（例えば、閾値Ｐ１、Ｐ２及びＰ３）が異なる複数種類のドライバの状態に関する判定を行うことができる。例えば、情報処理装置３００ｂは、デットマン検知のための心拍の有無といったデータの精度が低くてもできる判定と、心不全の兆候を含む病気であるか否といったデータの精度が高くないとできない判定との両方を、1つの精度情報付きデータに基づいて行うことができる。言い換えると、精度付き情報生成部３１０ｂは、複数種類のドライバの状態に関する判定を行うために、1つの精度情報付きデータを生成するだけでよい。これにより、例えば、複数種類の判定ごとに当該判定に応じたデータを生成する場合に比べて、精度付き情報生成部３１０ｂにおける処理量を低減することができる。

（その他の実施の形態）
以上、一つまたは複数の態様に係るデータ生成装置等について、各実施の形態に基づいて説明したが、本開示は、この各実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示に含まれてもよい。

例えば、上記各実施の形態等における対象物は、例えば、ドライバであることに限定されず、いかなる物体であってもよい。対象物は、人物であってもよいし、所定の機器等であってもよい。対象物は、移動体であってもよいし、据え置き型の機器等であってもよい。また、データ生成システムの少なくとも一部が搭載される物体は車両であることに限定されず、ドローン等の飛行体であってもよいし、自律走行可能なロボットであってもよい。また、物体は、移動体であってもよいし、据え置き型の物体であってもよい。なお、車両は、自動車、電車等を含む。

また、上記実施の形態等では、対象測定用センサ及び外的要因測定用センサは非接触式のセンサである例について説明したが、これに限定されない。対象測定用センサ及び外的要因測定用センサの少なくとも１つは、接触式のセンサであってもよい。対象測定用センサは、例えば、ドライバが装着するウェアラブル端末であってもよい。

また、上記実施の形態等では、ノイズレベル及び精度は、数値により表される例について説明したが、これに限定されず、「高」、「中」及び「低」等の段階により表されてもよい。

また、上記実施の形態等では、第３センサとして、輝度センサを例示したが、輝度センサを有することに限定されない。対象測定用センサがカメラである場合、情報処理装置は、例えば、当該対象測定用センサが撮像した画像に基づいて輝度変換を行い外光の強さ（外的要因の強さ）を取得してもよい。

また、上記実施の形態等では、第１センサ及び第２センサは、車両に搭載される例について説明したが、これに限定されない。第１センサ及び第２センサは、例えば、ドローン等の飛行体に設けられてもよいし、屋内に設けられてもよい。また、第１センサ及び第２センサは、例えば、家電機器等に設けられてもよい。また、第１センサ及び第２センサは、例えば、人物等に装着されていてもよい。

また、上記実施の形態等では、時間遅延補正部は、外的要因のノイズレベルデータの時間遅延を補正したが、例えば、外的要因データの時間遅延を補正してもよい。そして、ノイズ情報算出部は、時間遅延が補正された外的要因データをノイズレベルに変換してもよい。

また、上記実施の形態等において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

また、フローチャートにおける各ステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が他のステップと同時（並列）に実行されてもよいし、上記ステップの一部は実行されなくてもよい。

また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。

また、上記実施の形態等に係るデータ生成システム又はデータ生成装置は、単一の装置として実現されてもよいし、複数の装置により実現されてもよい。データ生成システム又はデータ生成装置が複数の装置によって実現される場合、当該データ生成システム又はデータ生成装置が有する各構成要素は、複数の装置にどのように振り分けられてもよい。データ生成システム又はデータ生成装置が複数の装置で実現される場合、当該複数の装置間の通信方法は、特に限定されず、無線通信であってもよいし、有線通信であってもよい。また、装置間では、無線通信および有線通信が組み合わされてもよい。

また、上記実施の形態等で説明した各構成要素は、ソフトウェアとして実現されても良いし、典型的には、集積回路であるＬＳＩとして実現されてもよい。これらは、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）又は、ＬＳＩ内部の回路セルの接続若しくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。更には、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて構成要素の集積化を行ってもよい。

システムＬＳＩは、複数の処理部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを含んで構成されるコンピュータシステムである。ＲＯＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

また、本開示の一態様は、図３、６、１０、１４、１７、２１、２２、２４～２６、２８、及び、３１のいずれかに示されるデータ生成方法に含まれる特徴的な各ステップをコンピュータに実行させるコンピュータプログラムであってもよい。また、本開示の一態様は、図２３に示されるサーバ装置の情報処理方法に含まれる特徴的な各ステップをコンピュータに実行させるコンピュータプログラムであってもよい。

また、例えば、プログラムは、コンピュータに実行させるためのプログラムであってもよい。また、本開示の一態様は、そのようなプログラムが記録された、コンピュータ読み取り可能な非一時的な記録媒体であってもよい。例えば、そのようなプログラムを記録媒体に記録して頒布又は流通させてもよい。例えば、頒布されたプログラムを、他のプロセッサを有する装置にインストールして、そのプログラムをそのプロセッサに実行させることで、その装置に、上記各処理を行わせることが可能となる。

本開示は、対象物を測定したデータを生成する装置等に有用である。

１、１ｂ、１ｄ データ生成システム
１００ 対象測定用センサ（第１センサ）
２００ 外的要因測定用センサ（第２センサ）
３００、３００ａ、３００ｂ、３００ｃ 情報処理装置
３１０、３１０ａ、３１０ｂ 精度付き情報生成部（データ生成装置）
３２０ 第１取得部
３３０ 解析部
３４０ 第２取得部
３４１ 第３取得部
３４２ 第４取得部
３５０、３５０ｂ 精度情報生成部（精度算出部）
３５１ ノイズ情報算出部（ノイズレベル算出部）
３５２ 時間遅延補正部（遅延補正部）
３５３ 精度情報算出部
３５４ 係数更新部（第１更新部）
３６０ 精度情報統合部（データ出力部）
３７０ 判定部（データ出力部、第２更新部）
３７１ 第１判定部
３７２ 第２判定部
３７３ 第３判定部
３８０ 出力部
３９０ 入力情報処理部（認証結果取得部）
４００ 通知装置
４１０ 音声装置（第２通知部）
４２０ 緊急呼び出し装置（第１通知部）
５００、５００ｃ サーバ装置
５１０ 個人認証部
５２０ 判定方法更新部
６００ 端末装置
７００ 入力装置
８００ 表示装置

Claims (17)

1. 対象物の状態を判定するための判定データを生成するデータ生成装置であって、
   前記対象物が測定された測定データを第１センサから取得する第１取得部と、
   前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得する第２取得部と、
   前記第１の要因データに基づいて、前記測定データの測定精度を算出する精度算出部と、
   前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力するデータ出力部と、
   前記第１の要因データと、前記第１の要因データが前記測定データに与えるノイズレベルとが対応づけられた第１のテーブルに基づいて、前記第２取得部で取得された前記第１の要因データから前記ノイズレベルを算出するノイズレベル算出部と、
   前記データ出力部から出力された前記判定データに基づいて、前記対象物の前記状態を判定する判定部とを備え、
   前記精度算出部は、前記ノイズレベルと前記測定精度とが対応づけられた第２のテーブルを用いて、前記ノイズレベル算出部により算出された前記ノイズレベルから前記第１取得部が取得した前記測定データの前記測定精度を算出し、
   前記判定部は、前記対象物の第１の状態を第１の精度に基づいて判定する第１判定部と、前記第１の状態とは異なる第２の状態を第２の精度に基づいて判定する第２判定部とを有し、
   前記データ出力部は、前記第１判定部及び前記第２判定部に、同一の前記判定データを生成して出力し、
   前記第２の状態は、前記第１の状態よりも前記対象物に対する危険が少ない状態であり、
   前記第２の精度は、前記第１の精度よりも精度が低い
   データ生成装置。
2. 前記測定データ及び前記第１の要因データは、第１の期間にわたり測定された時系列データであり、
   前記測定データと前記第１の要因データとの間の時間遅延を補正する遅延補正部をさらに備え、
   前記データ出力部は、前記時間遅延が補正された、前記測定データと前記精度情報とが対応づけられた前記判定データを出力する
   請求項１に記載のデータ生成装置。
3. 前記測定データのノイズとなりうる第２のノイズ要因が測定された第２の要因データを、前記第１センサ及び前記第２センサと異なる第３センサから取得する第３取得部をさらに備え、
   前記精度算出部は、さらに前記第２の要因データに基づいて、前記測定精度を算出する
   請求項１又は２に記載のデータ生成装置。
4. 前記第２の要因データは、少なくとも一部が前記第１の期間と重なる第２の期間にわたり測定された時系列データであり、
   前記遅延補正部は、さらに、前記測定データと前記第２の要因データとの間の時間遅延を補正する
   請求項２に従属する請求項３に記載のデータ生成装置。
5. 前記第１のテーブル及び前記第２のテーブルの少なくとも１つを更新する第１更新部をさらに備える
   請求項１～４のいずれか１項に記載のデータ生成装置。
6. 前記対象物は、人物であり、
   前記人物の認証結果を取得する認証結果取得部をさらに備える
   請求項１～５のいずれか１項に記載のデータ生成装置。
7. 前記認証結果に基づいて決定された、前記判定部の判定方法及び前記判定に用いる閾値の少なくとも一方を更新する第２更新部をさらに備える
   請求項６に記載のデータ生成装置。
8. 前記第１判定部は、前記第１の状態の判定に応じた前記第１の精度に基づいて前記測定データから前記第１の精度を満たす第１の部分を抽出し、抽出された前記第１の部分に基づいて前記第１の状態を判定し、
   前記第２判定部は、前記第２の状態の判定に応じた前記第２の精度に基づいて前記測定データから前記第２の精度を満たす第２の部分を抽出し、抽出された前記第２の部分に基づいて前記第２の状態を判定する
   請求項１～７のいずれか１項に記載のデータ生成装置。
9. 前記第１判定部により前記第１の状態が異常であると判定された場合、緊急呼び出しを行う第１通知部と、
   前記第２判定部により前記第２の状態が異常であると判定された場合、音声を出力する第２通知部とをさらに備える
   請求項１～８のいずれか１項に記載のデータ生成装置。
10. 前記測定データ及び前記第１の要因データは、第１の期間にわたり測定された時系列データであり、
    算出された前記測定精度は、多段階の精度を含む前記第１の期間にわたる時系列データである
    請求項１～９のいずれか１項に記載のデータ生成装置。
11. 前記データ生成装置は、車両に搭載され、
    前記対象物は、前記車両のドライバであり、
    前記第１判定部は、前記ドライバが前記車両を運転困難であるか否かを判定し、
    前記第２判定部は、前記ドライバが居眠り又は脇見をしているか否かを判定する
    請求項１～１０のいずれか１項に記載のデータ生成装置。
12. 前記データ生成装置は、車両に搭載され、
    前記対象物は、前記車両のドライバであり、
    前記第１判定部は、前記ドライバの眠気を判定し、
    前記第２判定部は、前記ドライバの感情又は前記ドライバが病気であるか否かを判定する
    請求項１～１０のいずれか１項に記載のデータ生成装置。
13. 前記第１センサは、ミリ波センサ又は赤外線カメラであり、
    前記第２センサは、前記車両の加速度を測定する加速度センサである
    請求項１１又は１２に記載のデータ生成装置。
14. 前記データ生成装置は、車両に搭載され、
    前記第１センサは、赤外線カメラであり、
    前記第２センサは、前記車両の加速度を測定する加速度センサであり、
    前記第３センサは、前記車両の周囲の輝度を測定する輝度センサである
    請求項３に記載のデータ生成装置。
15. 前記第１のノイズ要因を特定する情報を前記第１センサから取得する
    請求項１～１４のいずれか１項に記載のデータ生成装置。
16. 対象物の状態を判定するための判定データを生成するデータ生成方法であって、
    前記対象物が測定された測定データを第１センサから取得し、
    前記測定データのノイズとなりうる第１のノイズ要因が測定された第１の要因データを前記第１センサと異なる第２センサから取得し、
    前記第１の要因データに基づいて、前記測定データの測定精度を算出し、
    前記測定データと前記測定精度を示す精度情報とが対応づけられた前記判定データを出力し、
    前記第１の要因データと、前記第１の要因データが前記測定データに与えるノイズレベルとが対応づけられた第１のテーブルに基づいて、取得された前記第１の要因データから前記ノイズレベルを算出し、
    出力された前記判定データに基づいて、前記対象物の前記状態を判定し、
    前記測定精度の算出では、前記ノイズレベルと前記測定精度とが対応づけられた第２のテーブルを用いて、算出された前記ノイズレベルから取得した前記測定データの前記測定精度を算出し、
    前記対象物の前記状態の判定は、前記対象物の第１の状態を第１の精度に基づいて判定し、前記第１の状態とは異なる第２の状態を第２の精度に基づいて判定することを含み、
    前記判定データの出力では、前記対象物の第１の状態を判定する第１判定部及び前記第１の状態とは異なる第２の状態を判定する第２判定部に、同一の前記判定データを生成して出力し、
    前記第２の状態は、前記第１の状態よりも前記対象物に対する危険が少ない状態であり、
    前記第２の精度は、前記第１の精度よりも精度が低い
    データ生成方法。
17. 請求項１６に記載のデータ生成方法をコンピュータに実行させるプログラム。

Images